arXiv · cs.AI · Ke Yang, Zhenyu Zhang, Jun Li · 10 小时前模型评分29
GenDSR：从视频生成模型迁移表征实现动态空间推理
GenDSR: Transferring Representations from Video Generation Models for Dynamic Spatial Reasoning
导读
GenDSR 将视频生成模型的中间表征迁移到视觉语言模型（VLM，Vision-Language Model）中，用于动态空间推理。它构建保留整体生成上下文的原始分支和强调时间变化的差分分支，再用按任务条件的逐 token 门控融合两路信号并注入原生视觉表征。在 DSR-Bench 上，GenDSR 取得 67.2%，超过此前最佳结果。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We present GenDSR, a framework that transfers intermediate representations from VGM into VLM for dynamic spatial reasoning.”
来源：arXiv · cs.AI · arxiv.org